tensorflow踩过的坑

人不可能两次踩进同一个坑，如果发生了，那我是真的菜！

 

ValueError: Variable word_rnn/bidirectional_rnn/fw/cell_fw/kernel already exists, disallowed. Did you mean to set reuse=True or reuse=tf.AUTO_REUSE in VarScope? Originally defined at:

想用一个for循环改变batch_size，epochs等参数来看看其对实验结果的影响，但问题应该是循环的时候用的是同一个RNN，那么就没有重新训练的效果，程序也会报错，所以每次循环开始前都要重置RNN

在用tensorflow前加入这一句，重置作用

tf.reset_default_graph()

（至于如果要同时训练多个RNN模型，可能也会有这种错误，遇到时再debug吧）

 

CUDA，cuDNN，tensorflow，tensorflow-gpu版本问题

我用的是CUDA 10.0，cuDNN 7.4.1，Ubuntu查看命令如下：

查看CUDA版本：

cat /usr/local/cuda/version.txt

查看cuDNN版本：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

一定要找到这两个版本对应的tensorflow-gpu版本，不然用不了gpu

所以我对应的tensorflow-gpu版本用的是1.13.0的，但是现在好像没有1.13.0了，所以我用了1.13.1

用以下命令安装：

sudo pip install -i http://mirrors.aliyun.com/pypi/simple tensorflow-gpu==1.13.1

（用阿里镜像会快很多，因为tensorflow-gpu的库有300+M，阿里下载速度能上10M，我用其他镜像只有几十KB）

 

下载好之后测试能不能使用gpu

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

ps：下载了tensorflow-gpu就可以把tensorflow给卸载掉了，然后调用的时候直接写

import tensorflow as tf

程序会自动识别的，还有就是卸载之后可能出现没有成功调用到包，大概是路径问题，解决起来很烦，找到一个最快的方法是增加多一个解析环境，等包传过去就可以了

 

tensorflow使用GPU

在import后面加入这一句

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"  # choose GPU 0

如果要使用两块

import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0,1"  # choose GPU 0

然后看一下GPU使用情况，美滋滋

watch -n 1 nvidia-smi